Sinclair Huang
0 位追蹤者
Sinclair Huang
0 位追蹤者
全部內容
由新到舊
在自駕車的戰場上，比起「鏡頭 vs 光達」的爭論，更關鍵的是：演算法到底把晶片推到什麼樣的硬體極限。這篇從記憶體頻寬與快取容量出發，拆給你看純視覺與感測器融合兩條路線背後完全不同的晶片壓力，為何 TOPS 規格表其實只是行銷，而真正決定生死的是「演算法 × 架構」的匹配度。
四十年來被奉為圭臬的量化聖經——動量、均值回歸、基本面因子——正在 AI 浪潮下集體失效。這篇用實證數據說明：當演算法把所有公開規則掃過一輪後，市場只剩「深度」還能產生 Alpha。真正有機會的，不是再多一個技術指標，而是把產業結構、供應鏈與資本週期整合成一套新的決策框架。
本文探討 AI 浪潮下半導體供應鏈的價值重分配，分析從上游設備到下游晶片設計、封裝，各環節的獲利邏輯與議價能力，並指出臺灣在其中的結構性優勢與潛在風險，提醒投資者與決策者重新評估自身在供應鏈中的定位。
如果你想在 AI 浪潮裡找到真正的早期訊號，不用盯著發布會或分析師報告——去看設備商的訂單。
這篇用三十年的半導體產業數據，說明為什麼「矽的流動方向」會提前 12 個月告訴你，科技大週期的下一步往哪走。
如果你還沒看過 EP0 的系列框架，建議先讀那篇再來這裡。
### 跳脫軟體迷思，從底層基
這不是一篇在驚嘆 AI 有多神的文章，而是回到一個老問題：這一波，錢到底被誰賺走？
我用在藥廠、科技硬體與化工待了二十多年的實務經驗，加上幾篇發表在 SSRN 的量化研究，整理出一套看 AI 時代「價值往哪裡移動」的地圖。
如果你關心的不是短線股價，而是 AI 狂潮背後的產業結構與長期 Alph
